Məzmuna keç
Voxa
Açıq mənbə · MIT

İstənilən videonu başqa dilə dublyaj et — və sinxronu qoru.

Whisper transkripsiya, kontekst-məlumatlı LLM tərcümə, dörd TTS mühərriki və danışana kilidli yerləşdirmə. MIT lisenziyalı. Öz maşınınızda işləyir.

BaşlaGitHub-da bax
bash
$ voxa talk.mp4 --target_lang ru

Demo

İş başında gör

Eyni klip, üç dilə dublyaj — hər biri danışana kilidli.

Bir mənbə video, Voxa ilə dublyaj. Dil seç.

Niyə Voxa

Dublyaj heç vaxt danışandan geri qalmır.

Sadə alətlər klipləri birləşdirir və sürüşür. Voxa hər klipi mənbə zaman oxuna bağlayır — dublyaj danışana kilidli qalır, artan gecikmə yoxdur, əl ilə yenidən sinxronlaşdırma yoxdur.

İmkanlar

Pipeline üçün lazım olan hər şey

Tam dublyaj alət zənciri — transkripsiyadan son montaja qədər — bir əmrdə.

Kilidli yerləşdirmə
Hər klip mənbə zaman oxuna sancılır. Sürüşmə sıfırda qalır.
Dörd TTS mühərriki
Edge, OpenAI, Piper (offline) və XTTS səs klonlama.
Kontekst-məlumatlı tərcümə
Google, Ollama, OpenAI və ya Anthropic — tam cümlə konteksti ilə tərcümə.
Keyfiyyət qapısı
Opsional WER ballama hədəfə çatmayan sətirləri yenidən sintez edir.
Self-host olunan
İstənilən OpenAI-uyğun TTS endpoint-i --openai-tts-base-url ilə qoş.
Davam etdirilə bilən
Checkpoint-lər dayanıb dəqiq qaldığınız yerdən davam etməyə imkan verir.

Necə işləyir

Yeddi addım, bir əmr

Voxa xam audiodan sinxron dublyaja qədər deterministik pipeline işlədir.

  1. 01

    Audio çıxarış

    ffmpeg ilə mənbə videodan audio zolağını çıxar.

  2. 02

    Denoise

    Transkripsiya dəqiq qalsın deyə fon səs-küyünü təmizlə.

  3. 03

    Transkripsiya

    Whisper nitqi zamanlanmış mətnə çevirir.

  4. 04

    Cümlələri birləşdir

    Fraqmentləri təbii, tərcümə oluna bilən cümlələrə qrupla.

  5. 05

    Tərcümə

    LLM tam cümlə konteksti ilə tərcümə edir.

  6. 06

    Sintez

    Seçilmiş TTS mühərriki hər sətri səsləndirir.

  7. 07

    Montaj

    Hər klipi zaman oxuna bağla və videonu yenidən montajla.

Dəstəklənən modellər

Mühərrikini seç

Transkripsiya, tərcümə və nitqi öz quraşdırmana uyğun birləşdir.

MərhələSeçimlərQeydlər
TranskripsiyaWhisper (faster-whisper / openai-whisper)Lokal işləyir, müxtəlif model ölçüləri
TərcüməGoogle · Ollama · OpenAI · AnthropicPulsuz Google və ya kontekst-məlumatlı LLM-lər
Mətn-nitq (TTS)Edge · OpenAI · Piper · XTTSBulud, offline və ya səs klonlama

Səslər

OpenAI səslərini dinlə

Altı OpenAI mətn-nitq səsi (tts-1-hd). Birini seç və oynat.

OpenAI · tts-1-hd

“Voxa dubs your videos into another language and keeps them in sync with the speaker.”

Quraşdırma

Bir dəqiqəyə işə hazır

Python 3.10+ və PATH-də ffmpeg tələb olunur.

clone
$ git clone https://github.com/akshinmrv/Voxa.git && cd Voxa
install
$ pip install .
run
$ voxa talk.mp4 --target_lang tr

voxa əmri pip install .-dən gəlir; alternativ olaraq birbaşa python voxa.py da işlədə bilərsən.

Sürətli başlanğıc

Ən çox işlənən əmrlər

Kopyala, yapışdır, dublyaj et.

bash
$ voxa talk.mp4 --target_lang ru

FAQ

Suallar və cavablar

Dublyaj sinxrondan çıxıb sürüşürmü?

Xeyr. Voxa hər klipi mənbə zaman oxuna bağlayır, ona görə yerləşdirmə danışana kilidli qalır.

Tam offline işləyə bilərmi?

Bəli — Whisper lokal, tərcümə üçün Ollama və nitq üçün Piper. Heç bir bulud çağırışı lazım deyil.

Öz TTS serverimi istifadə edə bilərəmmi?

Bəli. İstənilən OpenAI-uyğun endpoint --openai-tts-base-url ilə işləyir.

Hansı dillər dəstəklənir?

Whisper təxminən 100 mənbə dili əhatə edir; hədəf dillər seçdiyin TTS mühərrikindən asılıdır.

Doğrudanmı pulsuzdur?

Bəli, Voxa MIT lisenziyalıdır. Bəzi opsional mühərriklərin öz lisenziyaları var.

Müəllif

Servoogle tərəfindən

Voxa Servoogle-nin açıq mənbəli layihəsidir — Akshin Miranov tərəfindən yaradılıb və dəstəklənir. Praktik, self-host olunan alətlər; lock-in yox, telemetriya yox.

Servoogle
Açıq mənbəli developer alətləri
Repozitoriyaya bax
Akshin Miranov
Yaradıcı və baxıcı
GitHub profili